基于自适应带时KAN的皮带滚筒故障诊断方法研究

《Scientific Reports》：Research on a belt roller fault diagnosis method based on adaptive band-time KAN

　　

摘要

在高负荷的恶劣工况下，带式输送机的托辊经常出现故障，从而导致系统停机。现有的基于深度学习的故障诊断方法存在频率分辨率不足以及动态适应性差的问题。为了解决这一问题，本文提出了一种基于自适应频段KAN的故障诊断框架：首先，基于故障机制设计的自适应频段梅尔滤波器组通过非均匀频率轴重映射和三阶峰值检测技术，提升了关键故障频段的分辨率；其次，引入时间卷积网络以扩大感知范围并捕捉跨周期特征。此外，还加入了柯尔莫戈洛夫-阿诺德网络层，该层利用可学习的B样条基函数来动态分析频域中的非线性耦合关系。该模型实现了特征分辨率提升与动态建模的协同优化，显著提高了对滚筒故障的诊断精度以及在不同工况下的泛化能力。在实际的输送机滚筒运行条件下，故障预测准确率可达81.25%，充分证明了该模型在真实工业场景中的适用性。